論文の概要: Learning under Commission and Omission Event Outliers

• arxiv url: http://arxiv.org/abs/2501.13599v1
• Date: Thu, 23 Jan 2025 12:08:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-24 15:59:20.374895
• Title: Learning under Commission and Omission Event Outliers
• Title（参考訳）: 委員会による学習と欠席イベントのアウトサイダー
• Authors: Yuecheng Zhang, Guanhua Fang, Wen Yu,
• Abstract要約: イベントストリームは、実生活における重要なデータフォーマットである。 本稿では,イベントストリーム学習のための時間的ポイントプロセスフレームワークを採用する。 我々は、コミッショニングと欠席イベントのアウトレイラの両方に対処する、単純だが効果的な方法を提供する。
• 参考スコア（独自算出の注目度）: 10.4442505961159
• License:
• Abstract: Event stream is an important data format in real life. The events are usually expected to follow some regular patterns over time. However, the patterns could be contaminated by unexpected absences or occurrences of events. In this paper, we adopt the temporal point process framework for learning event stream and we provide a simple-but-effective method to deal with both commission and omission event outliers.In particular, we introduce a novel weight function to dynamically adjust the importance of each observed event so that the final estimator could offer multiple statistical merits. We compare the proposed method with the vanilla one in the classification problems, where event streams can be clustered into different groups. Both theoretical and numerical results confirm the effectiveness of our new approach. To our knowledge, our method is the first one to provably handle both commission and omission outliers simultaneously.
• Abstract（参考訳）: イベントストリームは、実生活における重要なデータフォーマットである。 イベントは通常、時間とともにいくつかの規則的なパターンに従うことが期待される。 しかし、このパターンは予期せぬ不在や事象の発生によって汚染される可能性がある。 本稿では,イベントストリームを学習するための時間的ポイントプロセスフレームワークを採用し,各イベントの重要度を動的に調整し,最終推定器が複数の統計的メリットを提供できるような,新しい重み関数を提案する。 本稿では,イベントストリームを異なるグループに分類可能な分類問題において,提案手法とバニラ手法を比較した。 理論的および数値的な結果は,我々の新しいアプローチの有効性を裏付けるものである。 我々の知る限り、我々の手法は、コミッショナーとオミッション・アウトレーヤの両方を同時に処理する最初の方法である。

関連論文リスト

• Improving Event Definition Following For Zero-Shot Event Detection [66.27883872707523]
  ゼロショットイベント検出に対する既存のアプローチは通常、既知のイベントタイプをアノテートしたデータセット上でモデルをトレーニングする。 イベント定義に従うためのトレーニングモデルによるゼロショットイベント検出の改善を目指しています。
  論文  参考訳（メタデータ） (2024-03-05T01:46:50Z)
• Event Detection in Time Series: Universal Deep Learning Approach [0.0]
  時系列におけるイベント検出は、不均衡なデータセット、まれなイベント、時間間隔定義イベントの頻度のため、困難なタスクである。 本稿では,教師付き回帰に基づく深層学習手法を提案する。 当社のアプローチは、まれなイベントや不均衡なデータセットを含む、統合されたフレームワーク内で、さまざまな種類のイベントを効果的に処理できる。
  論文  参考訳（メタデータ） (2023-11-27T09:33:56Z)
• Deep Representation Learning for Prediction of Temporal Event Sets in the Continuous Time Domain [9.71405768795797]
  時間的ポイントプロセスは、イベントの予測や予測において重要な役割を果たす。 この問題を解決するために,TPPをベースとしたスケーラブルで効率的な手法を提案する。
  論文  参考訳（メタデータ） (2023-09-29T06:46:31Z)
• Towards Out-of-Distribution Sequential Event Prediction: A Causal Treatment [72.50906475214457]
  シーケンシャルなイベント予測の目標は、一連の歴史的なイベントに基づいて次のイベントを見積もることである。 実際には、次のイベント予測モデルは、一度に収集されたシーケンシャルなデータで訓練される。 文脈固有の表現を学習するための階層的な分岐構造を持つフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-10-24T07:54:13Z)
• Modeling Continuous Time Sequences with Intermittent Observations using Marked Temporal Point Processes [25.074394338483575]
  人間の活動を通じて生成された大量のデータは、連続した時間のイベントのシーケンスとして表現することができる。 これらの連続的なイベントシーケンスに対するディープラーニングモデルは、非自明なタスクである。 本研究では,イベントシーケンスが欠落している場合にMTPPを学習するための新しい教師なしモデルと推論手法を提案する。
  論文  参考訳（メタデータ） (2022-06-23T18:23:20Z)
• Crude Oil-related Events Extraction and Processing: A Transfer Learning Approach [0.7476901945542385]
  本稿では,CrudeOilNews corpusで発見された原油関連事象を抽出・処理するための完全な枠組みを提案する。 各事象の事実的確実性を決定するために、イベント特性(ポーラリティ、モダリティ、インテンシティ)の分類に特に重点を置いている。
  論文  参考訳（メタデータ） (2022-05-01T03:21:18Z)
• Semi-supervised New Event Type Induction and Description via Contrastive Loss-Enforced Batch Attention [56.46649994444616]
  マスク付きコントラスト損失を用いた半教師付き新しいイベント型誘導手法を提案する。 私たちは、発見したクラスタの型名を予測し、FrameNetフレームにリンクするという、2つの新しいタスクにアプローチを拡張しました。
  論文  参考訳（メタデータ） (2022-02-12T00:32:22Z)
• Learning Constraints and Descriptive Segmentation for Subevent Detection [74.48201657623218]
  本稿では,サブイベント検出とEventSeg予測の依存関係をキャプチャする制約を学習し,強制するアプローチを提案する。 我々は制約学習にRectifier Networksを採用し、学習した制約をニューラルネットワークの損失関数の正規化項に変換する。
  論文  参考訳（メタデータ） (2021-09-13T20:50:37Z)
• Bad and good errors: value-weighted skill scores in deep ensemble learning [0.0]
  証拠に基づいて予測誤差の重大度を評価するための戦略を導入する。 本稿では,予測値に重要な意味を持つ,混乱行列とスキルスコアの新たな定義を提案する。 本稿では,公害,宇宙気象,株式賞の予測に関する3つの応用事例において,このアプローチの性能を示す。
  論文  参考訳（メタデータ） (2021-03-04T08:05:13Z)
• Extensively Matching for Few-shot Learning Event Detection [66.31312496170139]
  超視覚的な学習設定下でのイベント検出モデルは、新しいイベントタイプへの転送に失敗する。 イベント検出では、あまり画像学習は行われていない。 sup-port の例にマッチする2つのノベルロス因子を提案し,モデルにより多くのトレーニング信号を与える。
  論文  参考訳（メタデータ） (2020-06-17T18:30:30Z)
• Exploiting the Matching Information in the Support Set for Few Shot Event Classification [66.31312496170139]
  数ショットの学習セットに基づくイベント分類について検討する。 本稿では,学習過程におけるサポートセットを効果的に活用する新たなトレーニング手法を提案する。 2つのベンチマークECデータセットを用いた実験の結果,提案手法は,イベント分類の精度を最大10%向上できることがわかった。
  論文  参考訳（メタデータ） (2020-02-13T00:40:36Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。